谷歌雲旗下Gemini 3.8 Live with Live Avatar功能正式面向企業用戶全面開放，將實時視頻虛擬形象與多語言語音對話能力整合為一體，標誌着企業級對話式AI從純語音交互向多模態視覺交互邁進。

該功能於本周正式在Gemini Enterprise中上線，此前已在Google Cloud Next 2026上完成預覽展示。

新版本支持視頻虛擬形象的實時脣形同步、97種語言自動識別與切換，以及後台工具調用與API執行，同時提供美國和歐盟雙區域端點部署，滿足企業合規與數據治理要求。

從客戶落地情況來看，Cox Automotive已將該技術應用於旗下Autotrader平台，構建了可實時高亮螢幕內容、引導消費者完成車輛搜索與孖展流程的購車AI助手；印度AI公司Equal AI則表示，基於Gemini 3.8 Live，其平台目前每日處理超過百萬次實時通話，覆蓋九種印度語言。

這是谷歌本周第二次發布新的人工智能模型。周三，谷歌宣佈推出Gemini 3.8 Flash TTS和Gemini 3.8 Flash-Lite TTS兩款文本轉語音模型。

核心功能：多模態融合，超越語音基礎能力

Gemini 3.8 Live with Live Avatar在原有語音基礎上引入視覺交互層，主要面向網頁端、移動端及實體交互終端（interactive kiosks）等多種部署場景。

在對話連貫性方面，該模型採用原生語音到語音（speech-to-speech）架構，支持自然打斷恢復，且不會丟失對話上下文或中斷後台事務處理。

工具調用能力方面，模型可在持續對話的同時，在後台異步執行工具調用與API請求，讓交互體驗更為流暢，不因後台任務而產生明顯停頓。

視覺理解方面，Live Avatar支持實時攝像頭畫面與螢幕共享的同步處理，可與音頻輸入並行分析，為服務場景提供更豐富的上下文感知能力。

語言覆蓋上，97種語言支持及自動檢測功能，使其具備面向全球多語言市場的規模化部署潛力。

信任機制：水印技術與身份管控並行

針對深度僞造及身份濫用風險，谷歌在該功能的合規設計上採取了雙層管控策略。

在虛擬形象使用層面，企業用戶可從谷歌提供的預建虛擬形象庫中進行部署；而自定義虛擬形象功能則設有嚴格的企業白名單與身份覈驗機制，

目前僅限申請通過的企業使用。在內容溯源層面，所有生成的音頻與視頻流均嵌入谷歌SynthID不可感知水印，以確保AI生成內容在傳播過程中保持可識別性與可驗證性。

這一機制的引入，一定程度上回應了企業部署對話式AI時面臨的監管合規壓力，尤其是在金融服務、醫療及客戶服務等強監管行業。

客戶落地：從購車助手到百萬級通話場景

目前已有多家企業披露基於Gemini 3.8 Live的應用進展，涵蓋汽車電商、電信客服及CRM等多個垂直領域。

Cox Automotive首席產品官Marianne Johnson表示，Autotrader的對話式AI虛擬形象將自然語言描述與庫存匹配相結合，是其"連接智能"願景落地的重要步驟，該願景旨在讓每次消費者互動均能調用Cox Automotive的完整數據資產。

Equal AI首席執行官Akhilesh Damaraju稱，藉助Gemini 3.8 Live在打斷處理、多語言對話及工具調用穩定性方面的改進，該平台現已實現每日超百萬次實時通話處理，覆蓋九種印度語言，目標是構建"了解你、說你的語言、始終站在你這邊"的個人AI。

Salesforce Agentforce產品副總裁Bob Van Osten表示，Salesforce AI Research與谷歌的合作旨在探索實時多模態能力與代理式AI的結合，以打造從首次接觸到問題解決全流程的客戶服務體驗。